发动机作为往复机械,其故障呈现出复杂性和多样性的特点,应用传统的诊断方法很难进行检测,且诊断准确性低。随着人工智能技术的发展和应用,越来越多的科研人员将其引入故障检测与诊断领域中,收到比传统诊断方法更好的效果。本文基于上述考虑,将信息融合技术同发动机故障检测与诊断技术相结合,解决发动机故障诊断问题。　　目前,在发动机故障诊断中,常用的汽车故障诊断仪(解码仪)功能并不全面,不能诊断不出现故障码的故障。发动机故障检测与诊断是一个复杂的系统,其受外界因素影响很大,所以建立其精确的数学模型十分困难。多传感器信息融合技术的迅速发展给解决这类问题带来了生机。　　本文以电控发动机实验台为研究对象,利用氧传感器、转速传感器和排气压力传感器等来研究发动机的怠速不稳。采用多传感器信息融合的方法,充分利用多传感器之间的互补信息,通过多传感器采集的数据信息,提取故障特征,建立故障诊断融合系统模型,并且结合故障的先验知识,采用D-S证据理论(Dempster-Shafer evidence theory)判决的方法,实现故障的快速准确定位,从而达到无故障码的故障诊断。　　利用NiosⅡ软核处理器设计发动机故障检测与诊断系统。NiosⅡ采用最新的SOPC(System on a Progammable Chip)技术,并具有32位精简指令软核处理器,以IP core的形式提供给嵌入式设计者,同时它的可配置特性给嵌入式系统设计带来了更大的灵活性。这为嵌入式系统的设计提供了一种全新的思路。通过将32位高性能处理器和多种应用模块嵌入到一个通用的FPGA(Field Programmable Gate Array)内,构成了一个完全可重置的嵌入式系统。　　结果表明,利用多传感器信息融合技术能够较为准确地进行发动机故障检测与诊断,提高发动机故障检测与诊断的可靠性,降低其误诊率。所设计的系统实现了既定目标,为发动机故障检测与诊断提供了一种新方法。